基于递归小波神经网络的非线性动态系统仿真

为提高动态递归神经网络的动态系统仿真能力，在Elman神经网络的基础上，提出动态递归小波神经网络（RWNN），给出了其动态梯度下降算法，并将其成功应用于非线性动态系统仿真．仿真算例表明，该网络具有收敛快，精度高等优点，仿真效果很好，同时具有较好的泛化性能，具有广阔的应用前景。     

一种基于频域分析的小波神经网络收敛算法

针对高精度神经网络在线学习过程中，当神经网络所用的神经元和采样数据非常多，传统的梯度下降法很难保证得到的神经网络具有良好的推广能力的问题。根据小波理论提出一种基于频域分析的在线学习算法，并通过仿真试验对这种新的算法进行验证。理论和试验都表明它不但能够保证神经网络在线辨识过程中具有良好的推广能力，而且加快了神经网络的收敛速度。     

基于混合遗传算法的目标优化分配

根据防空作战目标分配的特点 ,在分析启发式方法和遗传算法基础上 ,将二者结合起来得到了求解目标优化分配问题的混合遗传算法 ,该算法具有全局收敛性.     

连续小波神经网络优化结构研究

通过仿真实验发现凭经验选取小波神经网络隐层小波基,所得结构并不最优.为此,本文将遗传算法与小波神经网络结合起来进行研究.利用遗传算法来优化小波神经网络的结构,确定小波基的个数,采用BP算法来训练小波神经网络中的伸缩因子、平移因子和连接权值.仿真结果表明,该方法能准确搜索到最优结构,是切实可行的.     

基于小波神经网络的图像重建算法研究

针对传统的图像重构算法的不足,提出一种基于小波神经网络的图像重建快速学习算法。运用小波神经网络对图像重构进行了仿真研究。实验表明,对于不同的误差模型,小波神经网络采用不同的基函数可以很好地对非线性系统进行逼近,收敛速度快,近似精度高,而且网络规模比较小,计算量少。对计算机视觉和图像处理具有良好的应用价值。     

基于多分辨率学习的正交基小波神经网络设计

提出一种基于正交基函数的小波神经网络设计方法，采用多分辨率学习确定隐含层结构，并用收敛较快的阻尼最小二乘法训练权值．该方法可灵活调整隐含层结构，有效地克服神经网络中常见的过拟合和泛化能力差等问题．传真结果表明该方法具有逼近精度高，泛化能力好，网络结构冗余度小，参数优化收敛快等特点．     

基于动态小波神经网络的非线性动态系统辨识

一种隐层由小波基组成的神经网络被用来实现非线性系统的输入输出之间的映射关系.为描述系统的动态特性,在网络中引入了自回归连接结构.本文给出了详细的用小波神经网络进行系统辨识的算法和步骤.本文提出了一种FC+GD算法以提高训练神经网络的收敛速度.最后,将所提出的方法用于CSTR模型的辨识,并与RBF和MLP网络相比较.     

基于平衡多小波与神经网络的图像水印算法研究

利用图像经过CARDBAL多小波变换后,能量汇聚且平均分摊在最低分辨率子图像4个分量上的特点,提出一种改进的多小波域盲水印方法.采用比较法嵌入一幅水印图案,建立含水印图像与水印之间的关系模型,通过神经网络训练来提高水印检测的正确率.实验表明,该方法具有良好的鲁棒性,在JPEG压缩和一些图像处理下可检测到水印.     

基于混合遗传算法的区域大系统多目标水资源优化配置模型

针对区域水资源优化配置中重水量轻水质、重国民经济需水轻生态环境需水的特点,基于大系统总体优化配置理论与方法,综合考虑生态环境需水和水质因素,构建了基于混合遗传算法的区域大系统多目标水资源优化配置模型.运用混合遗传模拟退火算法对模型进行求解,将所提配置模型及方法应用于海河流域大清河,计算表明2010年P=50%、75%、95%时不同保证率情况下生活和生态环境需水均能满足需求,系统协调度均大干0.84.     

基于混合遗传算法的区域大系统多目标水资源优化配置模型

针对区域水资源优化配置中重水量轻水质、重国民经济需水轻生态环境需水的特点,基于大系统总体优化配置理论与方法,综合考虑生态环境需水和水质因素,构建了基于混合遗传算法的区域大系统多目标水资源优化配置模型.运用混合遗传模拟退火算法对模型进行求解,将所提配置模型及方法应用于海河流域大清河,计算表明2010年P=50{\%}、75{\%}、95{\%}时不同保证率情况下生活和生态环境需水均能满足需求,系统协调度均大于0.84.     

一种基于遗传算法的小波神经网

网络的优化学习是人工神经研究中的一个重要问题.将遗传算法全局性优化搜索和小波分析的时-频局部性特点相结合,本文提出了一种基于遗传算法学习的小波神经网络--遗传算法小波神经网络(WNNGA).三位异或问题和双螺旋问题的实验结果证明,遗传算法小波神经网络不仅继承了小波分析良好的局部性及其神经网络的学习和推广能力,而且具有遗传算法全局快速寻优的特点,是多层前向神经网络学习的一种理想算法.     

基于遗传神经网络的自整定PID控制器

提出了一种基于遗传算法和神经网络的自整定PID控制器的设计方法。该控制器主要由三个部分组成。第一部分利用遗传算法搜索出一组准优的PID参数，作为PID控制器参数的初值，第二部分利用神经网络具有逼近任意非线形函数的能力，在线调整PID参数，以确保系统的响应具有最优的动态和稳态性能，第三部分是传统的PID控制器，直接对被控对象闭环控制。计算机仿真结果表明，这种控制算法鲁棒性强，响应速度快，可用于控制不同的对象和过程。     

基于GA神经网络的个人信用评估

提出了基于遗传算法神经网络的个人信用评估模型,利用标准遗传算法和Solis&Wets算法的混合算法同时优化神经网络的结构和权重/阈值系数,并在探讨个人信用评估指标的基础上,针对模型实际应用问题提出了解决方案.     

基于统计学习理论的小波神经网络优化

传统的离散仿射小波神经网络训练都是建立在大样本基础上的,当样本数量较少时,不能保证网络的泛化能力。在研究统计学理论的基础上,提出了以结构风险最小化为目标的训练方法。首先根据样本数据和小波基函数的时频局部化特性构造隐含层函数集,并按照小波基函数的能量大小来建立函数嵌套结构,然后采用自适应正交最小二乘法来训练网络权值,保证训练的小波神经网络结构风险最小化。仿真表明该方法不仅具有较高的收敛速度,而且最大限度地保证了网络的泛化能力。     

遗传算法在神经网络控制中的应用与实现

比较了遗传算法与神经网络的特点,并对将遗传算法用于前向神经网络的可能性进行了研究,同时阐明了遗传算法和神经网络结合的必要性,提出了一种融合遗传算法的神经网络控制方法,该方法采用多层前向神经网络作为遗传搜索表示方式的思维,以神经网络为基础,用遗传算法 习神经网络的权系数,即保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力,将遗传算法和神经网络相结合,分析了遗传算法基本参数及神经网络结构、隐层和输出层节点非线性函的选择,设计了用遗传算法学习神经网络权系数的软件实现方法,成功地实现了机械手逆运动学求解问题及倒立摆的控制,仿真结果显示了遗传算法快速学习神经络权系数的学习效率与收敛精度,确保了快速达到全局收敛,克服了多层前向神经网络传统的BP学习算法精度低、收敛速度慢、容易陷入局部极小的缺陷,表明了该方法的可行性与有效性。     

基于混合遗传算法的配电网络重构优化

以网损最小为目标函数,电压降、线路电流值和电源容量的限制为约束条件,建立了配电网络重构优化数学模型,用外部惩罚函数法将该问题转化为无约束问题.针对遗传算法的局限性,对适应函数进行了调整,实施了最优保留策略,改进了交叉和变异操作,并结合了模拟退火算法,从而形成了混合遗传算法,该算法能够有效地提高收敛速度,避免早熟收敛.优化过程中考虑了配电网自身特点,提高了计算效率.重构算例说明,该优化方法有效、实用.     

应用混合小波神经网络和遗传算法在香港衍生品市场上的研究

提出了新的基于Black-Scholes模型的混合小波神经网络.隐含波动率是指在市场中观察的期权价格所蕴涵的波动率.基于不同种类的期权价格对波动率的敏感度不同,建立了混合小波神经网络和遗传算法相结合的模型,将期权按钱性进行分类,提出了加权的隐含波动率作为神经网络的输入变量,通过遗传算法来求取不同种类期权的隐含波动率的最优权重.在香港衍生品市场的实证中表明,所提出的模型优于传统的Black-Scholes模型.     

基于递归神经网络的基因调控网络稳定性分析

基因调控网络是一类复杂的非线性动力学系统,其稳定性分析在生命科学研究中发挥着重要作用。基于递归神经网络所具有的较强的建模能力,建立了一类新的时滞基因调控网络模型。根据模型的特点构建合适的Lyapunov-Krasovskii函数,并借助线性矩阵不等式技术与S-方法推导出使得网络全局渐进与指数稳定的充分性条件,最后通过实例验证了此方法的有效性。     

改进GA神经网络在可持续发展水平研究中的应用

传统的可持续发展水平的分级评价其评价体系中的权重一般由专家确定,带有主观性,评价结果缺乏公允.基于此,提出了一种改进遗传算法神经网络的可持续发展水平评估模型,该模型利用遗传算法辅助网络训练,克服了BP网络方法的缺陷.建立了适合我国国情的可持续发展评价指标体系,并在此基础上利用样本数据对该模型的评分效果进行了实证研究,结果表明该模型具有良好的应用性.